Inedex与B Tree

已于 2022-04-24 10:31:44 修改
阅读量963 收藏 2
点赞数
分类专栏： mysql/mariadb学习 Oracle 文章标签： linux mysql mariadb
于 2022-04-18 17:14:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hzcm1984/article/details/124253890
版权

什么是索引？

索引是一种提高表中操作速度的数据结构，类似于我们小时候常用的字典；
索引也是一种表，它将主键或索引字段的值以及所在行的数据块地址，以指针（16进制）的形式保存到实际表中；

使用索引的好处

能加快数据的查询，减少磁盘I/O，降低CPU负载；

mariadb中的索引类型：

primary key

主键索引：使用建表语句时指定了字段为PRIMARY KEY，同时会自动创建一个同名主键索引。主键索引必须唯一且不能为空，每张表可以没有主键，但是有主键的话，只能有一个主键；
比如下面的建表语句指定了id为自增主键

CREATE TABLE `users` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(50) NOT NULL COMMENT '用户名',
  PRIMARY KEY (`id`) USING BTREE)
  ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC COMMENT='用户表';
unique index

唯一索引：使用建表语句时指定了字段为UNIQUE KEY，则指定该列为唯一索引，该列的值必须唯一，并且可以为空
比如下面的建表语句指定了name为唯一索引

CREATE TABLE `users` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(50) NOT NULL COMMENT '用户名',
  PRIMARY KEY (`id`),
  UNIQUE KEY (`name`)
  )
  ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC COMMENT='用户表';
plain indexes

普通索引：使用建表语句时指定了字段为INDEX，则指定该列为普通索引，普通索引不需要唯一，并且可以为空
比如下面的建表语句指定了id为普通索引

CREATE TABLE `users` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(50) NOT NULL COMMENT '用户名',
  INDEX (`id`) USING BTREE)
  ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC COMMENT='用户表';
fulltext indexes

全文索引：使用建表语句时指定了字段为fulltext，则指定该列为全文索引，用于全文搜索，full-text indexes只可以用于字段类型为VARCHAR、CHAR 和 TEXT格式，并且无法分区表上创建全文索引。执行全文索引，需要有单独的语法支持，格式如下:

MATCH (col_name1,col_name2,...) AGAINST (expression (search_modifier))

其中MATCH()用于选择对应列，AGAINST()输入需要搜索的值，并且值的格式只能是字符串格式
创建一个表格

CREATE TABLE `err_log` (
  `log_id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `add_time` datetime DEFAULT NULL COMMENT '添加时间',
  `log_info` text(255) DEFAULT NULL COMMENT '备注',
  PRIMARY KEY (`log_id`) ,
  fulltext `log_info` (`log_info`) 
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC COMMENT='错误日志表';

单列索引、多列索引（复合索引）、聚簇索引

单列索引

在一个字段上创建的索引，叫做单列索引；创建语法如下

CREATE [UNIQUE | FULLTEXT | SPATIAL] INDEX index_name
[ USING BTREE | HASH ]
ON table_name
(column_1 [(length)] [DESC | ASC])

示例：创建一个唯一索引

CREATE UNIQUE INDEX `name` ON users (`name`);
多列索引（复合索引）

在多个字段上创建的索引称为多列索引，又称为复合索引，创建语法如下

CREATE [UNIQUE | FULLTEXT | SPATIAL] INDEX index_name
[ USING BTREE | HASH ]
ON table_name
(column_1 [(length)] [DESC | ASC]
column_2 [(length)] [DESC | ASC]
........)

创建一个3列的复合索引

CREATE INDEX id ON users(id,`name`,birthday)

在现有表上增加索引，请注意：在线更改表结构，会造成锁表，导致无法写入数据，请在业务不繁忙的时候进行操作；

ALTER TABLE tbl_name ADD PRIMARY KEY index_name(column_list)
聚簇索引

在innodb里必须有聚簇索引
聚簇索引怎么创建？
无法创建，由innodb引擎指定

  1. 在创建表时 建表语句中定义了PRIMARY KEY ，mariadb会默认创建一个和PRIMARY KEY同名的聚簇索引；
  2. 如果没有PRIMARY KEY，mariadb会继续搜索，搜索是否有unique key，如果有并且不为空，则将其用作聚簇索引；
  3. 假如表里既没有PRIMARY KEY也没有UNIQUE KEY，那么mariadb会在内部创建包含行id值的隐藏聚集索引GEN_CLUST_INDEX。
  4. 所以InnoDB表中只能有一个聚集索引

另外非聚簇索引以外的索引叫做二级索引或者非聚簇索引（又或者叫做辅助索引。。。）， 在InnoDB 表中非聚集索引的每条记录都有行和列的主键列。 mariadb使用此主键值在聚集索引或二级索引中搜索行。

如何查询索引
SHOW INDEX FROM table_name;

Btree、INDEX

innodb架构图解

在mariadb中有不同的引擎，最常用的存储引擎为innodb，其使用的索引为B树索引，其他存储引擎使用的索引树分别如下：

存储引擎支持的索引树
AriaBTREE, RTREE
MyISAMBTREE, RTREE
InnoDBBTREE
MEMORY/HEAPHASH, BTREE

hash索引用在内存表，R树索引主要用来做空间计算

首先看张图，来看一下innodb在内部是如何工作的
InnoDB_int.png
查询

  1. 假如有query过来，INNODB接收到请求后，会从内存中innodb_buffer_pool里缓存的数据的页（包含表数据和index）检索是否有要查找的数据，如果有则直接返还给客户端；（逻辑读）
  2. 如果检索不到，INNODB就会从硬盘读取数据，查询的语句中使用了INDEX，那么数据会很快被查到，并且把查询到的数据缓存到innodb_buffer_pool里(方便下次使用)并返还给客户端；（物理读）
  3. 如果查询的语句中没有使用INDEX，那么INNODB便会从磁盘数据文件中开始查询数据（扫描全表），如果你的表有100W行数据，并且要查询的数据在90W行，那么磁盘I/O使用会非常大。考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，mysql默认是16k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。

下面这张图显示了mariadb数据存储结构
引用一张经典的mysql数据结构图，我们可以看到数据库中从具体的字段（col）到数据行（row）、页（page）、段(extent)、区(segement)、表空间(tablespece)之间的关系

image.png

B树

既然设计了这么优秀的存储结构，那么就应该有优秀的方法去检索这些数据，于是便出现了自平衡搜索树方法对数据进行检索。常用的搜索树为：二叉搜索树、AVL 树、红黑树等搜索树，以上的搜索树每个节点仅包含一个值（键）和最多两个子节点，但是有一种特殊类型的搜索树，其中一个节点包含多个值（键）和两个以上的子节点，这种搜索算法 由 Bayer 和 McCreight 于 1972 年开发，名称为 Height Balanced m-way Search Tree(高平衡m向搜索树)，后来它被命名为B-Tree。

B-Tree 被称为自平衡树，因为它的节点在遍历中排序。在 B-tree 中，一个节点可以有两个以上的子节点。 B-tree 的高度为 logM N（其中“M”是树的顺序，N 是节点数）。每次更新都会自动调整高度。在 B-tree 中，数据按特定顺序排序，最小值在左侧，最大值在右侧。在 B-tree 中插入数据或键比二叉树更复杂。
B树图
image.png
第一层Root为根节点，第二层Branch为分支节点（非叶点），第三层Leaf为叶子节点

关于分支和叶子点无需多说，我们说一下root/根页面：
由于根页是在第一次创建索引时分配的，并且该页码存储在数据字典中，因此根页永远不能重定位或删除。一旦根页面填满，就需要拆分，形成一个根页面加上两个叶子页面的小树。根中的记录被移到新的页面里(根被“提升”到一个级别)，并且新页被一分为二；直到新的根再次被下面的页面指针填满，然后继续重复这一过程
image.png
B树的缺点是：分支节点存储包含键值和该键值对应的数据指针(指向包含键值的磁盘文件块的指针)，这样存储就大大的减少了可以存储在该节点的数据，等于变相的增加了B树的层级，从而增加了查询时间；并且在对进行表更新（INSERT/UPDATE/DELETE）时造成的迭代，会让B树逐渐失去平衡，其性能会下降。

B树总结：

  • B树的所有叶子节点必须在同一层级
  • B树的叶子节点不仅存键储数据也存储数据链表
  • B树的叶子节点之上，不应该有空的数据
  • B树的高度应该尽可能低
  • 一个节点中的所有键都是按升序排列的
B+树

B+树属于B树的扩展，B+树在分支节点仅包含索引值，而不包含数据。只有叶子点存储密钥和数据，因此使得数据指针的遍历更容易和更有效。并且叶子之间点通过链接列表连接。 ** **

叶子点不仅存放数据，而且还存放相邻的链表连接，这样查询效率更高
image.png
B+树总结：

  • B+树属于B树的扩展；
  • B+树中索引和记录存储在叶子点中。分支节点仅包含指向其他叶节点和分支节点的指针；
  • 叶子点包含指向前一个和下一个叶节点的指针（列表链接）用于索引范围遍历。

B树和B+树的主要区别：

  1. B+树只有叶子节点才会存数据，而B树中间节点也会存数据，树的查询复杂度是由树的层级决定的，从上面磁盘读写原理的介绍我们知道一个page的大小是固定的，而一个固定大小的page能够存放的数据是有限的，B+树中间节点不存数据它就可以存放更多的索引信息，这个对于查询效率的提升是非常巨大的。
    2.B+树每个叶子节点之间链接关系，而B树没有，当我们需要进行全表扫描的时候，B+树能提供更好的查询效率。
INNODB中的B+树

INNODB中 index使用的树为B+树，作为B树的延申，层级同样也分和B树一样分为：root、branch和leaf。下面我们来看一下INNODB中的B+树结构：

叶子点：
1.png
叶子点，级别为LEVEL0
对于叶子点，每条记录（包括 infimum下确界和supremum上确界系统记录）都包含一个“下一条记录”指针，该指针存储到下一条记录的偏移量（在页面内）
链表从 infimum 开始，按 key 升序链接所有记录，到 supremum 终止。
记录在页面内没有物理排序（它们占用插入时可用的任何空间）；他们唯一的顺序来自他们在链表中的位置。除了链表数据，叶子点还包含除了非键值以外的行数据；

非叶子点：
2.png
非叶页子点具有相同的结构，但它们保存的data不是非键字段，而是子页面的页码，指向的其他子页面上所需要的的最小页数（类似于导航）

同一级别的叶子点
大多数索引包含多个叶子点页面，因此多个页面以升序和降序链接在一起：
3.png
每一页都包含用于“上一页”和“下一页”的指针，其对于索引页被用来形成相同级别的页面的双向链接列表(INNODB中为双向列表)。

单个叶子点

4.png
完整架构（简化）
5.png

  • 在叶子节点上，级别从0开始编号，向上递增
  • 同一级别的节点的页面使用双链接记录表，按照key的升序进行双向链接（左右）
  • 层与层之间的页面使用单链接记录表，按照key的升序进行单向链接（向下）
  • Infimum低于页面上任何键的值，并且始终是单链接记录列表中的第一条记录。
  • SuPreum表示高于页面上任何键的值，并且始终是单链接记录列表中的最后一条记录
  • 非叶子点包含子页的最小键和，为指向的其他子页面上所需要的的最小页数

从此可见INNODB的B+树要比普通的B+树繁琐的多，也要效率的多，普通B+树同层之间、上下层之间都是通过单向链接表进行连接，而INNODB里B+树则是同层之间使用双向链表连接进行双向连接，这样查询和更新起来效率更加高；

B树也好，B+树也好，主要目的就是提高遍历节点的速度，从而减少查询/更新数据所需要的时间

如何设计高效的INDEX

  1. 经常与其他表进行连接的表，在连接字段上应该建立索引；
  2. 经常出现在Where子句中的字段，特别是大表的字段，应该建立索引；
  3. 索引应该建在高区分度高的字段上；
  4. 索引应该建在小字段上，对于大的文本字段甚至超长字段，不要建索引；
  5. 复合索引的建立需要进行仔细分析；尽量考虑用单字段索引代替：
    • 正确选择复合索引中的主列字段，一般是选择区分度高的字段；
    • 复合索引的几个字段是否经常同时以AND方式出现在Where子句中？单字段查询是否极少甚至没有？如果是，则可以建立复合索引；否则考虑单字段索引；
    • 如果复合索引中包含的字段经常单独出现在Where子句中，则分解为多个单字段索引；
    • 如果既有单字段索引，又有这几个字段上的复合索引，一般可以删除复合索引；
    • 使用复合索引时，记住最左匹配原则，也就是匹配度高的字段放在最左；
  6. 频繁进行数据操作的表，不要建立太多的索引；
  7. 删除无用的索引，避免对执行计划造成负面影响；
  8. 索引不会包含有NULL值的列
  9. 可以使用索引的关联条件：
    • =、 左like 、> 、 < 、 between、少量数据的in
  10. 不可以使用索引的关联条件：
    • <>、!=、or 、大量数据的in 、左右like
    • NOT IN不会使用索引，会进行全表扫描。NOT IN可以NOT EXISTS代替
使用优化工具SQLAdvisor

如果不知道怎么入手，或者吃不准的话可以使用美团的SQL优化工具：SQLAdvisor
SQLAdvisor 是由美团点评公司北京DBA团队开发维护的 SQL 优化工具：输入SQL，输出索引优化建议。 它基于 MySQL 原生词法解析，再结合 SQL 中的 where 条件以及字段选择度、聚合条件、多表 Join 关系等最终输出最优的索引优化建议。目前 SQLAdvisor 在公司内部大量使用，较为成熟、稳定。
https://tech.meituan.com/2017/03/09/sqladvisor-pr.html

视频学习

如果实在看不懂的，这里有2个关于INDEX的视频，比喻通俗易懂，全部是干货，虽然是关于Oracle的，但是原理基本都相同的
如何创建索引：
https://mp.weixin.qq.com/s?__biz=MzI3OTM3MDkyNg==&mid=2247493965&idx=1&sn=764f3313e217b3688e73fd559b2589ed&chksm=eb4a648cdc3ded9aa603d816d3aee27ae0178d256f66be578c848433fbbdb33d0629483daeab&scene=178&cur_album_id=1975597331630604290#rd

为什么我的查询没有索引：
https://mp.weixin.qq.com/s?__biz=MzI3OTM3MDkyNg==&mid=2247493985&idx=1&sn=87c00c4af53068b220b2d754756d62e9&chksm=eb4a64a0dc3dedb6da2773da9bad89727acbf8790c498e6f218e42e744cc9689d0ed84f12e52&scene=178&cur_album_id=1975597331630604290#rd

总结

总体来说，索引属于比较抽象的东西，通过此篇文章对索引应该有个比较详细的认识了。尾部的参考连接里有大量的文档，想加深学习的同学可以继续看一下。

参考链接

https://mariadb.com/kb/en/getting-started-with-indexes/
https://mariadb.com/kb/en/full-text-index-overview/
https://mariadbtips.com/mariadb-index/
https://zhuanlan.zhihu.com/p/66553466
https://www.cnblogs.com/abcdwxc/p/9855474.html
https://www.javatpoint.com/mysql-clustered-index#:~:text=The%20essential%20characteristics%20of%20a%20clustered%20index%20are,one%20or%20more%20column%20for%20creating%20an%20index.
http://www.btechsmartclass.com/data_structures/b-trees.html
https://www.studytonight.com/advanced-data-structures/b-trees-mway-trees-data-structure
https://www.studytonight.com/advanced-data-structures/b-plus-trees-data-structure
https://www.geeksforgeeks.org/difference-between-b-tree-and-b-tree/
http://wonderdb.org/?p=157

hzcm1984
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
探索B树/B+树与MySQL数据库索引的关系
John的博客
11-18 1万+
本文主要讲述主轴线： 由搜索/查找联系到数据结构（搜索树，红黑书，B/B+树）； 进行B/B+/RBtree的性能分析； 讲述一些关于数据从内存以及磁盘读取数据的数据存储管理的内容； 对数据库引擎MyISAM和InnoDB的分析； 前言：目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构，最近学习了数据结构树这一部分的内容，又阅读了前辈们关于这一话题的的总结后，斗胆运用
怎么新建index.html文件,怎么以index.html文件为入口文件进行打包？
weixin_34779096的博客
06-03 1736
总的么及行发上来站切近多与数经需说宽换近多与来说就是， 以html文件为入口， 自动寻找依赖的图片，css和js然后进行hash命名并打包。新的html文件的引用的图片css和js都会被改动成带有hash码的新的名字自水一套还点指构框未制果定者域会通时近带货些丰是，的接架完是为广文或有过还近带货些丰是，的接架完是为广文或有过还近带货些丰是，的接架完是为广文或有过还近带货些丰是，的接架完是为广。我有...
mysql unique key使用_MySQL – 创建表时一起使用时“PRIMARY KEY”,“UNIQUE KEY”和“KEY”的含义...
weixin_33644009的博客
02-27 954
任何人都可以解释PRIMARY KEY,UNIQUE KEY和KEY的用途,如果它在MySQL中的一个CREATE TABLE语句中放在一起？CREATE TABLE IF NOT EXISTS `tmp` (`id` int(11) NOT NULL AUTO_INCREMENT,`uid` varchar(255) NOT NULL,`name` varchar(255) NOT NULL,`...
数据库索引（B树，B+树，哈希）
10-22 461
一. 什么是索引？    索引的目的就是便于快速查找。一本书的索引就是目录，可以让我们快速定位到要查找的内容；数据库的数据是以记录的方式存在的，所以索引的目的就是便于查找某一些记录。 索引类型(常见的数据库书籍中的关于索引类别的一些称呼)：   ①唯一索引：不允许其中任何两行具有相同值的索引     使用主键和候选键建立的索引就是唯一索引，因为主键和候选键都可以确定唯一一个元组，即一张表...
深入理解数据库索引采用B树和B+树的原因
菜鸟不会飞
09-21 2万+
         前面几篇关于数据库底层磁盘文件读取，数据库索引实现细节进行了深入的研究，但是没有串联起来的讲解为什么数据库索引会采用B树和B+树而不是其他的数据结构，例如平衡二叉树、链表等，因此，本文打算从数据库文件存储以及读取说起，讲解数据库索引的由来。      我们以抛出问题的形式开始讲解： （1）数据库文件存储的方式      数据库文件存储都是以磁盘文件存储在系统中的，这也是数据...
数据库常见索引解析（B树，B-树，B+树，B*树，位图索引，Hash索引）
wl044090432的博客
12-01 2万+
B树        即二叉搜索树：        1.所有非叶子结点至多拥有两个儿子（Left和Right）；        2.所有结点存储一个关键字；        3.非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；        如：                B树的搜索，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，
商米消费机uniapp客显原生插件
最新发布
03-04
Sunmi T1mini/T2mini有顾客显示器。官方文档提供的demo支持原生...客显插件.zip压缩包包含的四个部分sunmi_subscren_display_lib-release.aar、package.json、inedex.vue(调用的demo说明)、原生插件引用的目录结构。
htcvive+vrtk保姆级+开发指导手册+安装包+相关参考资料.7z
06-04
HTVVive_event_add_controller_inedex _Cartzhang.unitypackage VRTK - SteamVR Unity Toolkit 1.1.0 (Jun 13, 2016).unitypackage VRTK-master.zip VRTK开发指导手册CSDN9积分不谈了加油好好看吧.pdf 相关连接 送人...
b+树时间复杂度_一步步分析为什么B+树适合作为索引的结构
weixin_39702316的博客
11-23 490
前言本文是在讲述什么样的数据结构适合作为索引，以及其适合作为索引的原因。而阅读本文需要对B树和B+树结构有稍微的理解。以及需要对磁盘操作知识有稍微的了解。对于磁盘操作的相关知识，在文章尾部的链接文章中，有详细的介绍。在MySQL中，主要有四种类型的索引，分别为：B-Tree索引，Hash索引，Fulltext索引和R-Tree索引，本文讲的是B-Tree索引。什么是索引索引(Index)...
数据库索引一二事（一）--B树结构
lwgzj的博客
05-03 3456
数据库的索引的底层实现就是B+树，要学习它，需要先学习B树是个什么鬼东西。首先声明，对于B树的理解我也只是尽我所能的去解释和去学习，有些地方的说法估计不专业或者不准确，大家凑合着看。关于前面的长篇大论我不想再这边定义，因为东西太多，包括B树里面也有很多知识点，我只挑现阶段我想知道的，因为想为后续索引的实践做基础。B树的定义：B 树又叫平衡多路查找树。一棵m阶的B 树（意味着某一个节点最多有m个字树...
B+树比B树更适合做文件索引的原因
mine_song的博客
03-18 2万+
B+树比B树更适合做文件索引的原因
讲解ORACLE索引与索引表管理
ly273329124的博客
08-17 395
原文来自：http://www.hongchawenda.com/article/3716 （一）索引的概念 索引是一种与表或簇相关的数据库对象，能够为数据的查询提供快捷的存取路径，减少磁盘I/O，提高检索效率。 索引由索引值及记录相应物理地址的ROWID两个部分构成，并按照索引值有序排列，ROWID可以快速定位到数据库表符合条件的记录。可以这样理解，将索引看作是一本书的目录，索引值即为目录的标题，ROWID即为目录的页码。 （二）索引的更新策略 随着标准数据的插入、删除、修改，索引表中的信息会自
mysql索引类型 normal, unique, full text
weixin_30443747的博客
03-06 281
问题1：mysql索引类型normal，unique，full text的区别是什么？ normal：表示普通索引 unique：表示唯一的，不允许重复的索引，如果该字段信息保证不会重复例如身份证号用作索引时，可设置为unique full textl: 表示 全文搜索的索引。 FULLTEXT 用于搜索很长一篇文章的时候，效果最好。用在比较短的文本，如果就一两行字...
hash索引跟B树索引的区别
風中漫步的博客
06-20 1万+
Hash 索引结构的特殊性，其检索效率非常高，索引的检索可以一次定位，不像B-Tree 索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以 Hash 索引的查询效率要远高于 B-Tree 索引。        可能很多人又有疑问了，既然 Hash 索引的效率要比 B-Tree 高很多，为什么大家不都用 Hash 索引而还要使用 B-Tree 索引呢？任何事物都是有两面性的，H
B树和B+树索引
hzp666的博客
05-16 2928
强烈建议参阅链接：http://www.linezing.com/blog/?p=798#nav-1说白了，索引问题就是一个查找问题。。。数据库索引，是数据库管理系统中一个排序的数据结构，以协助快速查询、更新数据库表中数据。索引的实现通常使用B树及其变种B+树。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算...
MySQL索引原理
热门推荐
Dobbin
02-02 3万+
B+树索引是B+树在数据库中的一种实现，是最常见也是数据库中使用最为频繁的一种索引。B+树中的B代表平衡（balance），而不是二叉（binary），因为B+树是从最早的平衡二叉树演化而来的。在讲B+树之前必须先了解二叉查找树、平衡二叉树（AVLTree）和平衡多路查找树（B-Tree），B+树即由这些树逐步优化而来。
数据库索引及B树、B+树
zpznba的博客
04-10 229
索引的本质 MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。提取句子主干，就可以得到索引的本质：索引是数据结构。 我们知道，数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找（linear search），这种复杂度为O(n)的算法在数据量很大时显然是...
数据库原理学习经验（B树与索引）
yz764127031的博客
01-12 894
step 1: 数据库的最简单实现 重点理解为什么要用B树，为什么要有索引 step 2: 实现一个B树，代码理解参考下面 http://blog.csdn.net/qifengzou/article/details/21079325 #include #include #include #include typedef struct _btree_node_t {
数据库索引为什么使用B树(B+树)
xl365t
03-25 5545
动态查找树主要包括：二叉搜索树、平衡二叉树、红黑树、B树，通过对树高度的降低可以提升查找效率。 B树定义： 一颗m阶的B树满足下列条件： （1）每个节点至多有m棵子树 （2）除根节点外，其他每个分支节点至少有[m/2]棵子树 （3）根节点至少有两棵子树(除非B树只包含一个节点) （4）所有叶节点在同一层上。B树叶节点可以看成一种外部节点，不包含任何信息 （5）有j个孩子的非叶子节点恰好有j-1...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值